从大规模基因组数据中学习有向无环图
摘要：学习基因相互作用图的问题，即从有噪声的双基因敲除数据中学习基因相互作用的有向无环图（DAG）的拓扑结构。基于一组经过充分验证的生物相互作用模型，我们检测和分类基因之间的相互作用。我们提出了一种新颖的线性整数优化程序，称为基因相互作用检测器（GENIE），用于识别基因之间的复杂生物依赖关系，并计算与DK测量最匹配的DAG拓扑结构。此外，我们通过将基因相互作用配置文件（GI配置文件）数据纳入到GENIE程序中来进一步提高检测性能。此外，我们还提出了一种针对大量研究基因的顺序可扩展性技术，以便为真实测量数据提供具有统计显著性的结果。最后，我们通过数值模拟表明，GENIE程序以及GI配置文件扩展的GENIE（GI-GENIE）程序明显优于传统技术，并提供了我们提出的顺序可扩展性技术的真实数据结果。
作者：Fabio Nikolay, Marius Pesavento, George Kritikos, Nassos Typas
论文ID：1609.02794
分类：Genomics
分类简称：q-bio.GN
提交时间：2016-09-12